| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究的目的与意义 | 第11页 |
| 1.2 国内外同类课题研究现状 | 第11-13页 |
| 1.3 Kinect2.0简介 | 第13-15页 |
| 1.3.1 Kinect2.0结构介绍 | 第13页 |
| 1.3.2 Kinect2.0骨骼追踪技术 | 第13-14页 |
| 1.3.3 Kinect2.0骨骼节点空间坐标获取技术 | 第14-15页 |
| 1.4 本文的研究内容及论文结构 | 第15-18页 |
| 1.4.1 本文的研究内容 | 第15-16页 |
| 1.4.2 论文结构 | 第16-18页 |
| 第二章 基于Kinect的手势图像分割 | 第18-24页 |
| 2.1 图像深度直方图 | 第18-19页 |
| 2.1.1 图像深度直方图定义 | 第18-19页 |
| 2.1.2 一维深度直方图 | 第19页 |
| 2.1.3 二维深度直方图 | 第19页 |
| 2.2 基于深度直方图的阈值选取 | 第19-20页 |
| 2.3 Otsu阈值分割算法 | 第20-21页 |
| 2.4 手部图像分割实验结果及分析 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 基于Kinect的静态手势识别算法 | 第24-36页 |
| 3.1 静态手势图像边缘特征提取 | 第24-28页 |
| 3.1.1 Canny算子边缘轮廓检测 | 第25-26页 |
| 3.1.2 Robert算子边缘轮廓检测 | 第26页 |
| 3.1.3 Sobel算子边缘轮廓检测 | 第26-27页 |
| 3.1.4 实验分析与比较 | 第27-28页 |
| 3.2 静态手势参数特征 | 第28-29页 |
| 3.2.1 Hu矩 | 第28-29页 |
| 3.2.2 边缘长度矩 | 第29页 |
| 3.3 DAG-SVMs静态手势识别算法 | 第29-33页 |
| 3.3.1 支持向量机 | 第29-31页 |
| 3.3.2 DAG-SVMs多类支持向量机 | 第31-32页 |
| 3.3.3 改进的DAG-SVMs手势识别算法 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于Kinect的静态手势交互系统 | 第36-42页 |
| 4.1 静态手势交互系统构成 | 第36-37页 |
| 4.2 静态手势与多媒体音量调节的交互接口设计 | 第37-39页 |
| 4.2.1 硬件环境配置 | 第37-38页 |
| 4.2.2 系统软件环境配置 | 第38页 |
| 4.2.3 静态手势交互系统 | 第38-39页 |
| 4.3 音量调节交互系统的实现 | 第39-40页 |
| 4.4 手势交互系统分析 | 第40页 |
| 4.5 本章小结 | 第40-42页 |
| 第五章 基于Kinect的动态手势识别算法 | 第42-54页 |
| 5.1 动态手势的骨骼关节三维数据获取 | 第42-44页 |
| 5.1.1 手部关节点空间坐标系 | 第42-43页 |
| 5.1.2 手部骨骼关节点向量的归一化处理 | 第43-44页 |
| 5.2 动态手势的特征描绘 | 第44-48页 |
| 5.2.1 有效骨骼数据判定条件 | 第44-45页 |
| 5.2.2 手势关节点的几何特征 | 第45-46页 |
| 5.2.3 动态手势的四元数特征 | 第46-47页 |
| 5.2.4 时间序列曲线下的动态手势特征 | 第47-48页 |
| 5.3 DTW手势识别算法 | 第48-51页 |
| 5.4 实验结果与分析 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 作者简介 | 第58页 |
| 作者在攻读硕士学位期间发表的论文 | 第58-60页 |
| 致谢 | 第60页 |